A Statistical Framework for Understanding Causal Effects that Vary by Treatment Initiation Time in EHR-based Studies
电子健康记录研究中随治疗启动时间变化的因果效应框架AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确估计时间特定平均治疗效应，使用双重稳健方法、边际结构模型和标准化分析，直接属于因果推断。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
电子健康记录研究中随治疗启动时间变化的因果效应框架
- 研究问题
- 治疗策略和患者构成随日历时间变化时，如何估计不同启动时间的平均治疗效应，并区分疗效变化与效应修饰变量分布变化？
- 方法与思路
- 作者将双重稳健的时间特定效应估计投影至候选边际结构模型并选模，再用标准化指标衡量协变量迁移对效应变化的贡献。
- 材料陈述的贡献
- 摘要称提出描述治疗启动时间效应变化及其来源的统计框架，并以电子健康记录中的两类减重手术与标准治疗比较展示应用。
- 阅读关注点
- 应核对时间特定效应的目标人群、观测研究识别条件和随访定义，以及双重稳健估计、选模与标准化分解的不确定性处理。
- 阅读边界
- 仅据 arXiv 预印本摘要，不能确认同行评审或期刊接收；识别假设、具体效应数值及分解条件未说明，无法判断疗效是否实际改善。
原文摘要
Standard practice in electronic health record (EHR)-based studies evaluating the comparative effectiveness of bariatric surgery relative to no surgery is to estimate and report a constant treatment effect across calendar time. However, real-world treatment strategies can evolve, particularly when comparators include standard of care or surgical procedures where techniques may improve, making it clinically important to ascertain whether efficacy of bariatric surgery has changed over time. Efforts to determine whether treatment efficacy itself is evolving are complicated by changing patient populations, with potential covariate shift in key effect modifiers. Through a comprehensive analysis of EHR data from Kaiser Permanente following two bariatric surgical procedures compared to standard of care, we develop a statistical framework to estimate calendar time-specific average treatment effects and describe both how and why effects vary across treatment initiation time in EHR-based studies. Our approach projects doubly robust, time-specific treatment effect estimates onto candidate marginal structural models and uses a model selection procedure to best describe how effects vary by treatment initiation time. We further introduce a novel summary metric, based on standardization analysis, to quantify the role of covariate shift in explaining observed effect changes and disentangle changes in treatment effects from changes in the patient population receiving treatment.